scipy.optimize.curve_fit的用法

原创已于 2022-12-02 08:33:54 修改 · 617 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#scipy #python #numpy

于 2022-11-30 19:49:10 首次发布

这段代码展示了如何利用scipy库的curve_fit函数对一组数据进行曲线拟合。它定义了一个函数`func`，并用给定的x和y值进行拟合，得到参数p和协方差矩阵v。然后在图表上绘制原始数据点和拟合曲线，呈现了数据的拟合效果。

举例


from scipy import optimize

import matplotlib.pyplot as plt

import numpy as np

x = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10 ,11, 12, 13, 14, 15])

y = np.array([5, 7, 9, 11, 13, 15, 28.92, 42.81, 56.7, 70.59, 84.47, 98.36, 112.25, 126.14, 140.03])

# 定义一个函数,x为函数的输入，x0,a,c为需要估计的参数
def func(x,x0,a,c):
    return a*(x-x0)**c


p,v = optimize.curve_fit(func, x, y)
# p 为估计出来的参数，v为参数的协方差

xd = np.linspace(0,16,100)
plt.plot(x,y,"o")
plt.plot(xd, func(xd,*p))
plt.show()